Limitaciones del clustering jerárquico

Análisis de clústeres en Python

Shaumik Daityari

Business Analyst

Medir la velocidad en clustering jerárquico

Módulo timeit
Medir la velocidad de .linkage()
Usar puntos aleatorios
Varias iteraciones para extrapolar

Uso del módulo timeit

from scipy.cluster.hierarchy import linkage
import pandas as pd
import random, timeit

points = 100
df = pd.DataFrame({'x': random.sample(range(0, points), points),
                   'y': random.sample(range(0, points), points)})

%timeit linkage(df[['x', 'y']], method = 'ward', metric = 'euclidean')

1.02 ms ± 133 µs por bucle (media ± desv. típ. de 7 ejecuciones, 1000 bucles cada una)

Comparación del tiempo de `.linkage()`

Tiempo aumenta con los puntos
Aumento cuadrático del tiempo
No viable para datasets grandes

Ahora, ejercicios

Análisis de clústeres en Python